Comunicarse con datos

Capítulo 1. Comunicación

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Intentar hacer algo en una organización siempre requiere más comunicación de la que esperas en un principio. En un día cualquiera, puede que te comuniques con lo siguiente:

• El ejecutivo, para pedir financiación para apoyar un nuevo proyecto

• Tu dirección, consiguiendo el acuerdo para utilizar el tiempo de su gente

• Tus compañeros, para hacer frente a los nuevos retos que surgen a diario

• Tus clientes, para atender sus últimas peticiones

• Tus proveedores, para garantizar que tu cadena logística está preparada

• Tu equipo, para cambiar las prioridades según sea necesario

Si todo el mundo en tu organización está comunicando tanto, eso es mucha actividad. Intentar que se escuchen tus puntos y preguntas -o incluso simplemente leer, organizar y responder a esta avalancha- es un duro reto para cualquiera. Cualquier ventaja que puedas obtener te hará más eficaz en tu trabajo. Este capítulo comparte los aspectos clave de la comunicación aplicándolos a la visualización de datos y te muestra cómo la comprensión de estos principios básicos puede ayudarte a comunicarte con mayor eficacia.

Necesitas que te escuchen, pero también que lo que digas cause impresión. Para ayudarte a conseguirlo, este capítulo también trata de la última parte del proceso de comunicación, que suele pasarse por alto: el receptor debe retener en su memoria la información que le comunicas.

El objetivo de este libro no es enseñarte algo nuevo sobre tu área de especialización, sino ayudarte a compartir tus conocimientos de forma más eficaz. Una forma de hacerlo es combinarlo con datos para validar tu opinión. A menudo se cita al ingeniero W. Edwards Deming diciendo: "Sin datos, no eres más que otra persona con una opinión".

Deming fue uno de los desarrolladores de la Gestión de la Calidad Total, un marco de gestión que se centra en mejorar los procesos para crear resultados mejores y más coherentes. Si sugieres formas de que tu organización mejore lo que hace y cómo lo hace, debes respaldar tus argumentos con datos.

Si eres nuevo en el trabajo con datos, todo esto puede parecerte imponente. La buena noticia es que trabajar con datos no es tan intimidante como parece. El Capítulo 2 entra en los detalles del trabajo con datos, pero antes quiero presentarte lo que hace que la visualización de datos sea tan eficaz.

¿Qué es la comunicación?

Las buenas ideas son inútiles a menos que consigas que otras personas las entiendan. Conseguir que la gente entienda tu punto de vista requiere una comunicación cuidadosa. Pero, ¿qué quiero decir con comunicación?

El proceso de comunicación

Comunicación es algo que haces sin pensar en ello todos los días. Compartes pensamientos e ideas con los demás hablando, escribiendo o simplemente utilizando un lenguaje corporal expresivo. Lo que haces inconscientemente con gran parte de tu comunicación es crear un mensaje y enviarlo a la persona que esperas que lo reciba.

El acto de enviar y recibir un mensaje es sólo una parte del proceso: codificas el mensaje de un modo que crees que será claro para el receptor, es decir, que podrá descodificarlo, o entender lo que intentas decirle. El sociólogo Stuart Hall describe este proceso en su obra clásica "Codificación y descodificación en el discurso televisivo". Hall describe cómo funcionan estos conceptos en los medios televisivos; puedes aplicar un enfoque similar a tus propias comunicaciones. Independientemente de cómo quieras comunicarte con los demás, estás eligiendo cómo tomar la información que tienes y compartirla. El método que utilices para compartirla requerirá que codifiques tus pensamientos. Por tanto, tu audiencia tendrá que descodificar el mensaje para entender exactamente lo que querías decir.

Otro factor de la comunicación en el que pienso a menudo proviene de un matemático que escribió sobre el paso de mensajes a través de anchos de banda limitados. En 1948, Claude Shannon describió la comunicación de una forma que sigue siendo relevante hoy en día, y desde que lo vi, pienso en ello en relación con la visualización de datos. He actualizado aquí el diagrama original de Shannon para centrarme específicamente en la comunicación de datos personales de la forma en que yo pienso en ella(Figura 1-1).

Figura 1-1. El proceso de comunicación de datos en las organizaciones

Veamos cómo se traduce el modelo de Shannon a la comunicación cotidiana dentro de una organización y por qué creo que se aplica a los datos visuales:

Fuentes de información y transmisores

En la Figura 1-1, la fuente de información es la fuente de datos, o los informes de otros formados a partir de fuentes de datos, y tú eres el transmisor. Te encuentras con muchas fuentes de información en el transcurso de tu trabajo, sea cual sea tu función: desde la bandeja de entrada de tu correo electrónico a las bases de datos, pasando por tus propias experiencias. Tú eliges qué información transmites y a quién. Esto significa que casi con toda seguridad tendrás que filtrar o resumir esa información de algún modo. Definitivamente resumirás o prepararás los datos si trabajas directamente con la fuente de datos. También lo harás cuando trabajes con datos -más sobre esto en el próximo capítulo.

Receptor y destino

En comunicación organizativa, es probable que tu receptor sea el destino. Probablemente hayas aprendido qué métodos de comunicación son especialmente eficaces para las personas con las que trabajas. Por ejemplo, si envías correos electrónicos a tu jefe constantemente pero no obtienes respuesta, probablemente dejes de enviarlos y busques otro método. Quizá empieces por hablar directamente con tu jefe. La conversación directa es una forma mucho más fácil de asegurarte de que tu mensaje es recibido, porque eres testigo de lo que ocurre... bueno, la mayoría de las veces. Seguro que alguna vez has hablado directamente con alguien, pero no estaba prestando atención y, por tanto, no recibió tu mensaje. En estos casos, su lenguaje corporal pronto te dirá si estás siendo un comunicador eficaz o no.

Entonces, ¿por qué no nos comunicamos siempre en persona? Sencillamente, no podemos, sobre todo cuando trabajamos en diferentes organizaciones o lugares. El aumento del trabajo a distancia en durante la pandemia de COVID-19 ha demostrado la importancia de la comunicación en persona y lo difícil que es que te escuchen a distancia. Al fin y al cabo, en un mundo digital no puedes simplemente acercarte a la mesa de alguien para asegurarte de que el receptor recibe el mensaje que quieres que reciba. La videoconferencia puede ayudar a resolver algunos de esos problemas. Aun así, demasiadas videoconferencias pueden dificultar conseguir el tiempo y la atención de alguien.

Cómo llegar a tu público: Contexto y ruido

Sin embargo, comprender la comunicación de no siempre es fácil. ¿Cuántas veces te han malinterpretado? Hall describe cómo el contexto social cambia la forma en que la audiencia descodifica e interpreta los mensajes. Las circunstancias en las que te encuentras cuando recibes un mensaje marcan una diferencia significativa.

Imagina que recibes una comunicación sobre la retribución media de los empleados por grado. Cómo te sientas respecto a tu propio sueldo cambiaría drásticamente la forma en que recibes esa información. Si recibes menos que los valores mencionados, sería poco probable que descodificaras el mensaje de la misma manera que si te pagaran bastante más que los valores mostrados. Lo mismo ocurriría en función de cómo hayas crecido. Si procedes de un entorno más pobre, es posible que te entristezca lo que podrías considerar una retribución excesiva, sobre todo para los altos ejecutivos de las grandes organizaciones.

El contexto es la información de fondo y las circunstancias de una situación o acontecimiento que contribuyen a darle sentido. La cultura de la organización, tu ubicación (en la oficina principal, en una sucursal o a distancia) y tu antigüedad en la organización influyen a la hora de establecer el contexto de tu trabajo. Para asegurarte de que tu receptor dispone de la información de fondo necesaria para descodificar y comprender tu comunicación como pretendes, puede que necesites proporcionar un contexto adicional.

Veamos un ejemplo. Utilizaré un minorista simulado llamado Chin & Beard Suds Co. y su lanzamiento de una nueva fragancia de jabón. Tienes que poner al día al equipo directivo sobre las ventas. Si has vendido 1.000 unidades del nuevo producto, puedes alegrarte y enviar un mensaje de que el lanzamiento del producto ha ido bien. Veamos algunos de los factores de contexto y ruido que pueden afectar a tu mensaje:

Experiencia

Los miembros del equipo pueden haber pasado por muchos lanzamientos de nuevos productos y tener expectativas diferentes de lo que significa un buen progreso en cuanto al número de ventas.

Otros mensajes

El receptor podría oír otra información que tú no tienes. Si el receptor oye que hay que abandonar otro producto para sustituirlo por el nuevo, podría tener expectativas de venta diferentes si el producto anterior se vendía en volúmenes mucho mayores.

Conocimiento del mercado

Si el receptor conoce un aumento general de los volúmenes de ventas de productos similares, esto podría aumentar sus expectativas de ventas del nuevo producto.

Algunos de los contextos que proporciones podrían ser los siguientes:

• ¿Ha cumplido el producto las expectativas de venta hasta ahora?

• ¿Cómo se ha comportado el producto frente a la competencia?

• ¿Qué dicen los clientes del nuevo producto?

Reunir toda esta información es vital.

Otra parte de del sistema de Shannon sigue siendo aplicable hoy en día y puede convertirse en un reto aún mayor: el ruido. El ruido no siempre es literalmente sonido (aunque puede serlo), sino que se refiere a cualquier interferencia que afecte a la comunicación que se recibe. Intentar hablar con los amigos es una tarea mucho más difícil que requiere más concentración en un restaurante con música de fondo a todo volumen que en un entorno tranquilo.

Garantizar que tu mensaje llegue siquiera a tu audiencia puede ser un reto cuando compite con muchos otros mensajes por la atención. El popular escritor y estadístico Nate Silver, en The Signal and the Noise (Penguin Press), define el ruido como elementos que interfieren en la comprensión clara de una comunicación. Esto puede incluir tener demasiados puntos de datos o comunicaciones (como un flujo constante de correos electrónicos), un lenguaje poco claro o excesivamente técnico, dificultad para reunirse en persona o en línea, y conflictos de personalidad en las reuniones. Las opiniones contrarias, audibles o no, pueden causar confusión al receptor: sus conocimientos y comprensión de un tema alterarán la forma en que asimila la información que le estás proporcionando. Conocer a tu audiencia es clave.

Por último, la comunicación tiene éxito cuando el receptor no sólo entiende la información, sino que la retiene y la incorpora a su toma de decisiones. Tiene que ser memorable. (Al fin y al cabo, la comunicación suele consistir en persuadir de algún modo.) A continuación, examinaré lo que sabemos sobre cómo retiene la información el cerebro humano.

No te olvides de la memoria

¿Qué significa retener la información, y cuánto tiempo necesitas que el receptor recuerde tu mensaje? Hay tres tipos de memoria. Es probable que hagas uso de todos ellos:

Sensorial

Como sugiere su nombre, la memoria sensorial se activa a través de tus sentidos. Cuando comunicas información visual, el sentido que probablemente activas es el visual. Estás activando una memoria sensorial si la información puede retenerse en un segundo. ¿Puedes recordar rápidamente qué meses cumplieron el objetivo de beneficio de 208.000€, lo que significaría que el ritmo de ejecución anual conduciría a un beneficio anual de 2,5 millones de€(Figura 1-2)?

Figura 1-2. Niveles de beneficios mensuales de C&BS Co.

Con sólo echar un vistazo a este gráfico, podrás ver que el objetivo se cumple sólo en los últimos meses del año. Al comunicar con datos, harás un uso especial de un tipo de memoria sensorial llamada memoria icónica, que almacena información visual. Este tipo de memoria no dura mucho tiempo, pero puede ayudar a tu audiencia a recordar fragmentos clave de información el tiempo suficiente como para que un mensaje mucho más complejo entre en otros tipos de memoria.

Memoria a corto plazo

La memoria a corto plazo dura desde unos segundos hasta aproximadamente un minuto para la mayoría de las personas. Puede ayudar al receptor a construir en su mente piezas de información más complejas, a partir de múltiples puntos de datos.

Las investigaciones de los años 50 descubrieron que la memoria a corto plazo de una persona media funcionaba bien para retener aproximadamente siete elementos.¹ Sin embargo, investigaciones más recientes sugieren que podría ser de sólo cuatro elementos.²

Tú puedes aumentar la duración de los recuerdos de tu audiencia utilizando una técnica llamada chunking, o dividir la información en pequeños trozos. Como sabes cuántos fragmentos de información puede retener fácilmente tu audiencia, puedes optimizar la cantidad de información que les muestras. Esto reduce el riesgo de sobrecargarlos.

Memoria a largo plazo

Como probablemente esperarías en, se cree que la memoria a largo plazo dura hasta toda la vida. Cuando nos comunicamos con datos, recurrimos activamente a este tipo de memoria con menos frecuencia. Puedes aprovechar la memoria a largo plazo de tu audiencia utilizando temas que les recuerden recuerdos o información que tienen desde hace mucho tiempo. Hay una razón por la que las cocinas familiares se utilizan con tanta frecuencia en los anuncios de televisión: muchas personas relacionan ese lugar con recuerdos que formaron de niños.

A continuación, te mostraré cómo utilizar la memoria sensorial para compartir puntos clave mediante algo llamado atributos preatentivos. Sin mirar atrás en la Figura 1-2, ¿puedes recordar si algún mes alcanzó el objetivo de beneficios? Con suerte, puedes, y eso se debe a los atributos preatentivos en los que profundizaremos ahora.

¿Por qué visualizar datos?

Dos palabras: atributos preatentivos. Este intimidante término se refiere simplemente a la capacidad de ver patrones en las imágenes sin tener que pensar o trabajar conscientemente para comprender lo que estás viendo.

Esta capacidad evolucionó en los humanos para permitirnos detectar peligros, evaluar situaciones y tomar decisiones instantáneas, sin tener que pensar en cada pequeña cosa que ocurre a nuestro alrededor. Para los primeros humanos, se trataba sobre todo de encontrar comida o evitar ser la comida de otro, mientras que hoy en día puede ser más como ver un coche, un objeto que se cae o un peligro en nuestro camino. Seguimos utilizando esta parte de nuestro sistema sensorial incluso cuando no estamos en movimiento.

Los atributos preatentos pueden servir para algo más que para prevenir el peligro. La visualización de datos se basa en esta capacidad de detectar patrones para comunicar mensajes. Al representar los datos en formas visuales como barras, líneas o puntos, puedes utilizar los atributos preatentivos para captar la atención de tu audiencia y asegurarte de que recibe tu mensaje.

¿Qué atributos preatentivos puedes utilizar en la visualización de datos? La Figura 1-3 muestra una muestra de las posibilidades.

Figura 1-3. Representación visual de los atributos preatentivos

En esta gama de atributos preatentivos, algunos son más eficaces que otros. En Now You See It (Analytics Press), Stephen Few, innovador en tecnología de la información, destaca dos en particular que los humanos saben evaluar mejor con precisión:

Longitud

Los humanos nos damos cuenta de la longitud de un vistazo, y también somos buenos estimando las diferencias entre distintas longitudes. Podemos utilizar esto a nuestro favor con los datos mostrando los valores más grandes como los más largos. La longitud se visualiza frecuentemente como un gráfico de barras.

Posición 2D

A menudo se muestra en forma de gráfico de dispersión (un tipo de gráfico que exploraremos en el Capítulo 4), el posicionamiento 2D coloca los valores más grandes en la parte superior derecha del gráfico. La posición 2D se crea utilizando dos ejes, uno vertical y otro horizontal. Comparar dos métricas entre sí es una tarea habitual en el análisis de datos.

El otros atributos preatentivos no se evalúan con tanta precisión, pero no los desprecies. La comparación precisa no es la única forma de comunicar datos. Por ejemplo, destacar un periodo de tiempo clave mediante el uso de colores o formas puede captar la atención de tu audiencia.

En un análisis sobre la contaminación atmosférica(Figura 1-4), utilicé el tamaño, el color y la forma para captar la atención del lector más que para comunicar un mensaje preciso. La visualización del coche de la parte superior es la primera con la que te encuentras: está diseñada para establecer el tema, pero también para crear intriga. Utilicé círculos para demostrar el volumen de ciertos contaminantes. El tamaño de los círculos aumenta con la proporción de partículas en el aire.

Figura 1-4. Visualización que demuestra atributos preatentivos no precisos

Mira el gráfico un momento y compara el tamaño de los círculos. ¿Podrías decirme la diferencia porcentual entre el círculo naranja más grande y el segundo círculo naranja más grande? Sé que no puedo, ¡y he hecho la visualización!

Pero no se trata de eso. Utilicé el color naranja para destacar el distrito londinense de Camden y permitir que el lector se sintiera atraído por las métricas pertinentes y las comparara con los demás distritos de la ciudad. Es impreciso por diseño, pero sigue recurriendo a técnicas de comunicación preatentiva. Estaba diseñando esta vista para un público amplio y, por tanto, necesitaba utilizar estas técnicas para compartir las ideas que había encontrado. Saber qué comprenderá tu público y cuánto trabajo está dispuesto a dedicar a descodificar tu mensaje es un factor clave para comunicar bien.

Atributos preatentivos en acción

Tomemos una tabla típica de números y veamos cómo podemos hacer más claro su mensaje utilizando atributos preatentivos. La tabla de la Figura 1-5 muestra el número de bicicletas vendidas en el primer semestre de un año.

Figura 1-5. Tabla con las ventas de bicicletas de las tiendas del Reino Unido

Está claro que eres una persona inteligente (después de todo, has elegido leer este libro), así que aquí tienes un reto. ¿Cuántos segundos crees que tardarás en responder a las siguientes preguntas?

• ¿Cuál es el mayor valor de este gráfico?

• ¿Cuántas tiendas superaron su objetivo de 450 bicis vendidas en un mes?

• ¿Cuáles son las tiendas cuyas ventas fluctúan más?

¿Te llevó unos segundos más de lo que esperabas? Probablemente sí, y probablemente también fue un poco frustrante.

La cantidad de esfuerzo que un lector debe emplear para interpretar lo que ve se denomina carga cognitiva. Te encontrarás con este término muchas veces en este libro; es un factor clave para medir la eficacia de tus elecciones de visualización. Hacer que tu audiencia piense en lo que le estás mostrando no siempre es malo, pero tienes que hacer que la carga cognitiva sea apropiada para lo que estás compartiendo. Las tablas suelen requerir un importante esfuerzo cognitivo para ser interpretadas.

Entonces, ¿por qué tanta gente en tantas organizaciones sigue utilizando tablas de datos para comunicar los resultados de sus análisis?

En "Los datos "correctos"", hablo de la importancia de captar las preguntas que tu usuario podría intentar responder. Las tablas son una buena opción alternativa para algunos públicos cuando no sabes lo que tu usuario podría preguntar o buscar en tu conjunto de datos. Pero nosotros sabemos las preguntas que queremos hacer a esta tabla, así que vamos a ver cómo podríamos utilizar atributos de preatención para que las respuestas sean más fáciles de encontrar. Empecemos con esta pregunta:

• ¿Cuál es el mayor valor?

• Contesta: 989

Podríamos utilizar muchas técnicas para responder a esta pregunta. Un simple cambio de color, como se muestra en la Figura 1-6, es un método particularmente eficaz y no requiere eliminar ningún otro punto de datos de la vista. Este enfoque no tiene ninguna sutileza, pero muestra lo eficaz que puede ser resaltar un único valor: en este caso, el mayor.

Figura 1-6. Destacando las mayores ventas de bicis

Resaltar el valor más alto llama la atención sobre él. Cuando intentes encontrar el valor más alto en una tabla de números, a menudo buscarás el número más largo (en cuanto al número de dígitos), ya que es probable que indique el valor más alto. Aquí, las ventas de motos tienen tres dígitos, por lo que necesitamos otro método para llamar la atención del lector. Para comunicar visualmente perspectivas más complejas, tenemos muchos métodos entre los que elegir, dependiendo de lo que quieras compartir.

Pero, ¿cómo podrían utilizarse los atributos de preatención para compartir otras respuestas a las preguntas que tu público pudiera tener sobre los datos de esta tabla? Consideremos la siguiente pregunta:

• ¿Cuántas veces superaron las tiendas su objetivo de 450 motos vendidas en un mes?

• Contesta: 17

¡Ésta es difícil! Sin ninguna pista visual, te ves obligado a leer cada número y evaluar si es mayor o menor que 450. No sólo evalúas el valor, sino que también intentas contar cuántos cumplen el objetivo.

Podrías utilizar una técnica similar a la de la primera pregunta y limitarte a resaltar en un color diferente los valores que cumplen la condición establecida(Figura 1-7).

Figura 1-7. Resaltar valores por encima del objetivo (450)

Pero otros métodos podrían ser más útiles en este caso. Por ejemplo, utilizar barras de colores para resaltar si los valores están por encima o por debajo del objetivo podría facilitar un recuento sencillo(Figura 1-8).

De nuevo, el consumidor del gráfico tendrá que contar las columnas naranjas, pero esto es mucho más fácil que evaluar primero si un valor está por encima del objetivo. Para eliminar incluso el reto del recuento, podrías crear un gráfico que sólo demostrara ese recuento(Figura 1-9), pero perderías los valores de ventas mensuales de las tiendas individuales. Como ocurre con cualquier comunicación de datos, ser específico sobre la pregunta que intentas responder puede cambiar la forma de visualizar los datos. Más información sobre este aspecto en los Capítulos 3 y 4.

Una vez resuelta la pregunta básica, podrías ir más allá en tu análisis. Otras preguntas que podrían hacerse con estos datos son las siguientes:

• ¿Cuáles son las tiendas cuyas ventas fluctúan más?

• Respuesta York

Ahora entramos en cuestiones más analíticas.

En primer lugar, debemos definir las ventas fluctuantes. Utilizaré una definición sencilla: la mayor variación; en concreto, la tienda con la mayor diferencia entre su mejor mes de ventas y el peor.

Evaluar estos datos utilizando sólo valores es realmente difícil. A medida que tus preguntas se vuelvan más complejas, un buen uso de la visualización de datos hará que encontrar las respuestas sea mucho más fácil.

Figura 1-8. Las ventas de bicicletas cumplen el objetivo

Figura 1-9. Número de tiendas que superan su objetivo mensual de ventas

Mi primer instinto en fue volver a nuestro atributo preatentivo más eficaz: la longitud. Quizás, pensé, aparecería una respuesta clara si dibujaba una barra entre el valor de venta más pequeño y el más grande de cada tienda. El resultado es la Figura 1-10.

Figura 1-10. Desviación de las ventas en un diagrama de Gantt

Las barras de un diagrama de Gantt no tienen que empezar en el punto cero, pero el diagrama sigue utilizando la longitud para representar el valor mostrado.

Nota

El diagrama de Gantt debe su nombre a Henry Gantt, que diseñó este tipo de diagrama de barras a principios de la década de 1910. Los diagramas de Gantt se utilizan a menudo como herramientas de gestión de proyectos.

Sin embargo, este gráfico sigue sin ser el más fácil de leer: tienes que prestar mucha atención a dónde empieza la barra. Es mucho más fácil eliminar los valores mínimo y máximo y mostrar sólo la diferencia en lugar del valor real de las ventas(Figura 1-11). Para facilitar aún más el análisis a tu público, podrías ordenar las tiendas de mayor a menor diferencia.

Figura 1-11. Desviación de las ventas en forma de gráfico de barras

Ahora, ver que la barra más larga es la de York es mucho más fácil. Aunque York tiene una varianza de ventas similar a la de Leeds, que las barras empiecen en el mismo lugar hace que sea mucho más fácil detectar la diferencia e interpretar el gráfico.

En breve, incluso cuando utilizas bien los atributos preatentivos, debes tener cuidado de que el gráfico transmita la información con claridad, de que utilices el mejor atributo preatentivo para la tarea y de que mantengas la pregunta en primer plano. Cuando lo haces, tu mensaje llega con claridad, sin obligar al consumidor a pensar demasiado. Si no prestas atención a estos factores, crearás el efecto contrario, y la gente querrá volver a las mesas.

Tu comprensión de los atributos preatentivos te ayudará a elegir mejor qué gráficos comunicarán mejor el mensaje que deseas.

Es probable que los retos de la comunicación con datos en tu organización se parezcan a los retos de cualquier otra forma de comunicación. Tendrás que encontrar la forma de que tu comunicación sea recibida, descodificada y recordada. Este libro te ayudará.

Consideraciones únicas

¿Qué hace que las comunicaciones de datos sean diferentes de otros tipos de comunicación? En primer lugar, como puedes suponer, se basan en una fuente de datos o en un análisis de datos. (En el Capítulo 2 aprenderás más sobre cómo encontrar las fuentes adecuadas).

En segundo lugar, la comunicación de datos en el lugar de trabajo suele consistir en satisfacer un requisito de una parte interesada o responder a una pregunta. Tendrás que saber cuáles son esos requisitos y preguntas y luego analizar tus datos para encontrar las respuestas.

En tercer lugar, la comunicación de datos, tal y como se trata en este libro, gira en torno al análisis visual. Los Capítulos 3 y 4 te mostrarán muchas opciones para analizar tus datos visualmente. El tipo de gráfico que elijas es, en última instancia, la señal que estás enviando, así que tendrás que aprender a elegir las opciones adecuadas para tu audiencia.

En cuarto lugar, la comunicación de datos se basa en la confianza. Tus argumentos tienen más peso cuando puedes demostrar que están respaldados por pruebas. Si las decisiones basadas en datos han fracasado antes en la organización, tendrás que esforzarte por generar confianza. Generar confianza en el receptor de tus comunicaciones reducirá el ruido de otras opiniones o mensajes que no tienen el mismo nivel de pruebas de apoyo. Necesitas confiar en que tu mensaje será escuchado; cuando lo sea, podrás influir en más decisiones y conseguir más cosas.

En tendrás que generar confianza en tus habilidades de análisis de datos. Es fácil manipular los datos para apoyar una agenda: si los filtras lo suficiente, ignoras los puntos de datos periféricos o utilizas otros trucos, al final conseguirás que los datos digan lo que tú quieres que digan. Siempre que se utilicen datos para apoyar un punto de vista político o una campaña de marketing, debes buscar en la fuente para ver cómo pueden haberse manipulado los datos. Para tu propio trabajo, tu público necesita saber que estás mostrando una representación justa de los puntos de datos de la fuente de datos que utilizas. Este nivel de confianza aumentará a medida que ofrezcas continuamente comunicaciones basadas en datos justos, bien fundamentados y útiles. Cuando dediques tiempo a explorar conjuntos de datos para ver qué historias contienen, recuerda compartir lo que esperabas encontrar, así como lo que realmente encontraste. Contar una historia equilibrada sólo aumenta el peso de tu opinión.

Otro factor es la confianza en las propias fuentes de datos. El auge de las modernas herramientas de autoservicio de datos, centradas en la visualización, ha facilitado mucho a los no especialistas el acceso a los datos y el trabajo con ellos, así como la formulación y respuesta de preguntas importantes sobre su procedencia y fiabilidad (más sobre esto en el Capítulo 2). Si ese es el motivo por el que has elegido este libro, estás en el lugar adecuado. Los Capítulos 8 y 9 profundizarán en los detalles de cómo ayudar a tu público a comprender tus datos y confiar en ellos.

El Capítulo 2 repasa los fundamentos del trabajo con datos: qué son, qué necesitas hacer con ellos y qué tienen de importante. Los capítulos 3 y 4 se centran en los aspectos prácticos de la visualización de datos, como formatos y tipos de gráficos, y contrastan los enfoques tradicionales con otros más innovadores. Los capítulos 5 y 6 se basan en esto y te enseñan técnicas visuales para aclarar tu comunicación. El filósofo de la comunicación Marshall McLuhan dijo célebremente que "el medio es el mensaje", y el Capítulo 7 es una inmersión profunda en cómo el medio y el formato que elijas influyen en tu audiencia y en la forma en que reciben tu mensaje. Por último, los Capítulos 8 y 9 se adentran en los entresijos de poner todo esto en práctica en una organización real llena de personas reales con necesidades e intereses diferentes. El Capítulo 8 examina los retos de la comunicación en el lugar de trabajo en general, mientras que el Capítulo 9 se centra en tipos específicos de departamentos y equipos para un debate práctico sobre sus necesidades de comunicación.

Resumen

La comunicación es clave para conseguir cualquier cosa en el trabajo. Tendrás que ser claro para que tu audiencia pueda recibir, descodificar y recordar tu mensaje. Utilizar los atributos preatentivos te ayudará a hacerlo con mayor eficacia.

Los datos pueden ayudarte a comunicar tu mensaje con mayor claridad y a explorar las pruebas a favor y en contra de los puntos que expones, de modo que puedas confirmar tus ideas con pruebas -o ajustarlas para que se ajusten a las pruebas- antes de compartirlas con los demás.

¹ G. A. Miller, "El mágico número siete más o menos dos: algunos límites a nuestra capacidad de procesar información", Psychological Review 63, nº 2 (marzo de 1956).

² N. Cowan, "El mágico número 4 en la memoria a corto plazo: Una reconsideración de la capacidad de almacenamiento mental", Behavioral and Brain Sciences 24, nº 1 (febrero de 2001).